Viime ajat AI eli tekoäly on ollut meidän kaikkien huulilla. AI on varmasti tämän hetken merkittävin hype, jonka perässä ja nimissä haaveillaan, suunnitellaan ja tehdään projekteja, joilla pyritään kehittämään yritysten liiketoimintaa. Hetki sitten vielä tuntematon ChatGPT on lähes kaikille tuttu ja kuvitelmat siitä, että tekoälyä on käytössä kaikissa naapurifirmoissa elää vahvana. Ehkä tästä syystä kiire oman firman AI-projektin edistämiseen on niin kova, että AI-tekeminen näyttäytyy tällä hetkellä liian paljon päättömältä säntäilyltä suunnitelmallisen tekemisen sijaan.
Tekniikka ja osaaminen ovat kehittyneet valtavasti. Maailmalla on paljon konkreettisia esimerkkejä, miten AI on oikeasti ratkaissut liiketoiminnan pulmia. Näille ratkaisuille on tyypillistä, että niiden takana on yleensä todella suuret globaalit yritykset. Samaan aikaan pienemmät yritykset ovat vasta hiljalleen asemoitumassa lähtöpaikoilleen AI-maratonin alkuun. Toisaalta paljon on yksittäisiä pilotteja ja testejä tehty, mutta aivan liian harvoin nämä kokeilut ovat päätyneet tuotantoon. Miksi?
Tyypillisesti testailut jäävät testailuiksi kahdesta syystä. Toinen liittyy käytettävän teknologian suunnitteluun ja toinen kustannuksiin.
1. Tekniikan sakatessa AI-projekti jää kesken, kun tavoitteisiin ei päästä. Kyse on toki osaamisestakin, mutta ehkä vielä tätä enemmän teknologiasuunnitelman puutteesta. Kuten montaa muutakin softaprojektia, myös AI-projektia lähdetään liian usein viemään eteenpäin takki auki ilman kunnollista suunnitelmaa siitä, minkälaiset teknologiavalinnat edesauttavat tavoitteeseen pääsyä. Tämä aiheuttaa usein haasteita perinteisissäkin softaprojekteissa, mutta AI-projekteissa tämä korostuu, kun kokemusta entuudestaan ei juurikaan ole, ja asioiden tekeminen lennossa osoittautuu odottamattoman vaikeaksi. Hyvin suunniteltu on puoliksi tehty, pätee myös AI-projekteihin. Tehdään suunnitelma, varmistutaan riittävistä resursseista ja noudatetaan tehtyä suunnitelmaa. Hanketta voi kyllä laajentaa myöhemmin, kun alkuperäisen projektin tavoitteet on ensin saavutettu.
2. Ja sitten ovat ne kustannukset. Jos projektia ei ole suunniteltu, ei välttämättä ole käsitystä siitä, millaisesta kustannuksesta on kysymys ja projekti voi kaatua jo alkuvaiheessa kustannusten osoittautuessa arvioitua moninkertaisesti suuremmiksi. Parhaimmillaan projekti on kuitenkin osattu suunnitella ja budjetoida riittävällä tarkkuudella ja projekti saadaan valmiiksi tavoitteiden mukaisesti. Miksi projekti jää siirtymättä tuotantoon? Usein ei osata arvioida kustannuksia, jotka syntyvät AI-palvelun pyörittämisestä. Jos kustannussäästö alittaa AI:n käytön juoksevat kustannukset, tätä on kovin vaikea perustella liiketaloudellisesti. Tällä hetkellä yrityksillä on varsin huonot edellytykset arvioida etukäteen AI:n juoksevia tuotantokustannuksia. Lisäksi viime aikoina suuret globaalit pilvipalveluiden tarjoajat ovat kilpaa ilmoittaneet suurista hinnan korotuksista. Pitkällä aikavälillä AI-infra ja siihen liittyvät kustannukset ovat aivan keskeisessä roolissa, kun arvioidaan tehtyjen AI-hankkeiden kannattavuutta tai edes elinkelpoisuutta.
Kaikki uusi on aina vaikeaa ja kokemus tuo varmuutta. Tämä pätee myös AI-projekteihin. Ulkopuolinen apu jo AI-projektin suunnitteluvaiheessa maksaa yleensä itsensä takaisin varsin nopeasti. Kannattamatonta AI-hanketta ei kannattaisi tehdä ollenkaan ja kannattavat projektit pitäisi tehdä tehokkaasti, jotta saatava hyöty olisi mahdollisimman suuri. On sekä kallista että masentavaa lähteä tekemään projektia uudestaan sen takia, että suunnitteluvaiheessa ei ole maltettu pysähtyä hetkeksi paikalleen.
Lue miten AI saadaan valjastettua liiketoimintahyödyksi.
Kirjoittaja Timo Haapavuori, toimitusjohtaja, Magic Cloud
